नेविगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Span-02 (default) vs Grok 4.20

Grok 4.20 average score में आगे है: 3.4 vs 2.8. Span-02 (default) की benchmark लागत कम है: $0.001 vs $0.057. Grok 4.20 तेज है: 1.11s vs 1.36s, pass rates 26.1% vs 26.1%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-17

तुलना किए गए मॉडल

रैंक
#419
कुल आउटपुट टोकन
0
प्रतिक्रिया समय (औसत)
1.36s
कुल लागत
$0.001
रैंक
#407
कुल आउटपुट टोकन
1,923
प्रतिक्रिया समय (औसत)
1.11s
कुल लागत
$0.057
अनुशंसित मॉडल Grok 4.20

इस तुलना में इसका स्कोर सबसे अधिक है (3.4) और 2 मॉडलों में लागत और प्रतिक्रिया समय का समग्र संतुलन सबसे अच्छा है।

विस्तृत तुलना

मेट्रिक Span-02 Span-02 default रिलीज़: 2026-10-17 Grok 4.20 Grok 4.20 none रिलीज़: 2026-03-31
स्कोर 2.8 3.4
रैंक #419 #407
विश्वसनीयता 10.0 लागू नहीं
संगति 5.2 7.8
प्रयास 36/69 54/69
सही परीक्षण
प्रति प्रयास पास दर 26.1% 26.1%
अस्थिर टेस्ट 0 0
कुल रन 36 54
प्रति परिणाम लागत 0.012 1.570
कुल लागत $0.001 $0.057
इनपुट कीमत $0.010 / 1M $1.250 / 1M
आउटपुट कीमत $0.000 / 1M $2.500 / 1M
कैश पढ़ने की कीमत लागू नहीं $0.200 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 70,626 41,313
आउटपुट टोकन 0 1,923
रीजनिंग टोकन 0 0
प्रतिक्रिया समय (औसत) 1.36s 1.11s
प्रतिक्रिया समय (अधिकतम) 5.71s 6.04s
प्रतिक्रिया समय (कुल) 16.37s 19.96s
पैरामीटर 26B कुल (4B सक्रिय) ~1T कुल (~100B सक्रिय)
उपलब्धता मुक्त स्रोत बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#419 Span-02

default
इस मॉडल के लिए अभी तक कोई शोकेस परिणाम उत्पन्न नहीं हुआ है।
लागत
लागू नहीं
समय
-
टोकन
0 tok

#407 xAI: Grok 4.20

none
लागत
$0.004
समय
6.5s
टोकन
1,367 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Span-02 4.9 6.7 33.3% 0 544ms 32,136 0 0
Grok 4.20 1.1 3.1 0.0% 0 1.22s 1,074 312 0

तुलना जोड़ी बदलें

Command A+mediumvsGrok 4.20noneCommand A+lowvsSpan-02defaultCommand A+highvsGrok 4.20noneCommand A+nonevsSpan-02defaultLing 3.0 TinymediumvsGrok 4.20noneLing 3.0 TinylowvsGrok 4.20noneLing 3.0 TinyhighvsGrok 4.20noneGrok 4.20nonevsXing4.0 29b A4bmediumनिःशुल्क उपलब्धCommand A+highvsSpan-02defaultCommand A+lowvsGrok 4.20noneGranite 4.1 8bdefaultvsGrok 4.20noneLing 3.0 TinydefaultvsGrok 4.20none